微生物燃料电池的恒压控制

颜闽秀, 卢振方, 史晓琳

(沈阳化工大学 信息工程学院, 辽宁 沈阳 110142)



微生物燃料电池的恒压控制

颜闽秀, 卢振方, 史晓琳

(沈阳化工大学 信息工程学院, 辽宁 沈阳 110142)

针对微生物燃料电池(MFC)具有非线性、多变量等特点,利用模糊-PID组合控制方法研究MFC的恒压控制问题.首先以双室MFC为控制对象,建立仿真模型.为了保证MFC的恒压输出设计了模糊-PID控制器.最后将所提算法进行仿真验证,结果表明该算法控制效果好、鲁棒性强,保证了系统在整个状态空间内具有较好的运动品质.

微生物燃料电池; 建模; 模糊-PID; 恒压

目前,环境污染和能源紧缺是当前世界面临的重大问题.环境工程领域一个重要的研究方向是研发出一种保证环境友好型的同时具有高转换效率的新型绿色能源.微生物燃料电池(Microbial fuel cell, MFC)将微生物作为其催化剂,同时通过电化学技术把来自有机物的化学能转化为电能的一种全新废水处理技术.较于其他燃料电池,MFC具有的一系列特点包括获取途径广泛、操作条件易于实现、高效清洁以及良好的生物兼容性[1-2].

自21世纪初,应用于MFC的技术实现了重大飞跃.国内外的研究大致分为以下几个方面:对MFC的阳极进行不同的修饰来提高阳极表面的电子接受速率,或者提高代谢产物,如H2、CH4,在阳极的氧化速率;改变MFC阴极的电子受体来改善系统的输出电势和输出功率;改进MFC结构设计来提高MFC系统的性能[3].然而,有关MFC的建模及仿真的研究很少.自2007年以来,相继提出了MFC的一维模型、二维模型,直到最近几年才提出三维模型.但这些模型由于其复杂性的原因而没有推广开来.因此,针对MFC建立简单可行的仿真模型能为后续控制系统研究提供理论依据[4].

常规PID控制对于MFC系统的时变、强耦合、不确定、非线性等特点很难得到令人满意的控制效果.模糊逻辑是在二值逻辑的基础上发展起来的,模拟人类思维建立与语言型控制规则.相对于以往PID的控制方法,现今采用的模糊控制即使不建立像传统方法中被控对象的精确数学模型,也可以具有抗干扰能力强、鲁棒跟踪性能优等特点.本文针对MFC设计组合模糊-PID控制方案,实现燃料电池的恒压运行.

1 MFC建模

国内外对MFC的研究大都是从MFC装置本身进行的,或者从微生物本身的角度研究分析,本文在分析MFC内部运动机制基础上,从控制角度建立了MFC的数学模型,以阴阳两极室的进料为控制系统的输入,以MFC系统的输出电压为输出进行了建模,并对其进行了控制器设计.

双室MFC的结构示意图如图1所示[5].典型的双室MFC由阳极室、阴极室及质子交换膜等构成.阴、阳极室分别充满电解质溶液,并通过质子交换膜相隔开;阳极为微生物的附着生长提供载体并传导电子,阴极置于阴极溶液中,同过曝气利用溶解氧作为电子受体.

图1 典型双室MFC结构示意图

本文主要研究以醋酸盐做底物的MFC,其反应过程如下[6]:

阳极反应:

(1)

阴极反应:

(2)

阳极室反应速率的描述为:

(3)

阴极溶解氧消耗表达式如下:

(4)

阴极室的反应速率可用下式表示[7]:

(5)

阳极室的四个质量平衡方程(乙酸盐、溶解的二氧化碳、氢离子、生物量)分别由下面几式表示[8-9]:

(6)

(7)

(8)

(9)

式中,下标“a”表示阳极,上标“in”代表进料,V, Q 和Am分别代表体积,流量和膜的横截面积,fX指洗出馏分的倒数,Yac指细菌产量,Kdec则指的是利用醋酸盐的延迟常数.

阴极室中,溶解氧,氢氧根离子和质子M+的质量平衡方程可分别由下式表示:

(10)

(11)

(12)

其中,下标“C”代表阴极,NM指M+由阳极室流向阴极室时通过质子膜的流量,可用下式表示[10-11]:

(13)

其中,icell代表的是电流密度,阳极和阴极的电荷平衡方程可用下式表示:

(14)

(15)

其中,Cc和Ca和分别代表阴极以及阳极的电容.各参数及其含义如表1所示.

表1 MFC模型所需参数

续表

符号量 名 称 单位参数值Yac细菌产量无量纲的0．05Kdec醋酸盐利用常数h-18．33×10-4fx洗出馏分的倒数Dimensionless10Qa阳极室流量m3·h-12．25×10-5Qc阴极室流量m3·h-11．11×10-3cinac阳极室进水醋酸盐浓度mol·m-31．56cinCO2阳极室进水CO2浓度mol·m-30Xin阳极室进水生物量浓度molm-30cinH阳极室进水H+浓度mol·m-30cinO2阴极室O2浓度mol·m-30．3125cinM阴极室M+浓度mol·m-30cinOH阴极室OH-浓度mol·m-30U0开路电压V0．77

2 MFC控制系统设计

模糊控制器适用于那些数学模型难以获取、动态特性不易掌握或变化显著的对象,其动态性能好,但稳态性能较差,且无法消除系统净差.PID控制器稳态性能良好,但对非线性被控对象控制效果差,并且响应速度慢.模糊-PID控制方法可以实现快速稳定的控制效果,因此,本文采用模糊-PID控制方法实现MFC的恒压控制.图2为模糊-PID控制系统图.当误差较大时选用模糊控制,误差较小时选用PID控制.由于这两种控制方法并非同时运行,因此可单独设计模糊控制器和PID控制器.

图2 模糊-PID控制系统

模糊控制器选择误差e(k)与误差的变化ec(k)为控制器输入,输出则为控制输出u(k).它们的表达式即:

(16)

(17)

(18)

表2 模糊控制规则表

3 仿真实验

仿真实验将选择在Matlab仿真平台上进行,其目的是验证前面设计的模糊-PID控制器的有效性.PID参数为Kp=28e-5,KI=3e-5,KD=3.5e-5,MFC输出电压的参考值为0.44 V.在100 h时由于负载变化使得电流密度从3 Am-2变到6 Am-2,仿真结果见图3、图4.

图3 输出电压变化曲线

图4 输出误差变化曲线

从控制效果图可以看到,相对于PID控制,模糊-PID上升时间短,超调量小.当负载发生变化时,模糊-PID控制能保证输出电压迅速恢复到设定值,而PID控制不但上升时间长,并且误差值较大.

4 结 语

本文设计了一套高效的MFC模型,使用模糊PID控制使系统在有较快响应速度的同时获得了较强的鲁棒性,为进一步研究MFC的控制与优化提供理论依据.

[ 1 ] 宝玥,吴霞琴. 生物燃料电池的研究进展[J]. 电化学, 2004,10(1):1-8. (BAO Y, WU X Q. Progress in research for biofuel cell[J]. El Ectrochemistry, 2004,10(1):1-8.)

[ 2 ] 颜闽秀,樊立萍. 微生物燃料电池的故障树诊断[J]. 沈阳大学学报(自然科学版), 2015,25(5):363-365.

(YAN M X, FAN L P. Fault tree diagnosis for microbial fuel cell[J]. Journal of Shenyang University(Natural Science), 2015,25(5):363-365.)

[ 3 ] WANG L. Continuous time model predictive control design using orthonormal functions[J]. International Journal of Control, 2001,74(16):1588-1600.

[ 4 ] ZHENG P Y, XI Y G, LI D W. An improved robust model predictive control approach to systems with linear fractional transformation perturbations[J]. International Journal of Automation and Computing, 2011,8(1):134-140.

[ 5 ] TAYLOR C J, CHOTAI A, YOUNG P C. State space control system design based on non-minimal state variable feedback: further generation of control and unification[J]. International Journal of Control, 2000,73(14):1329-1345.

[ 6 ] ZHANG R, XUE A K, WANG S Q, et al. An improved model predictive control approach based on extended non-minimal state space formulation[J]. Journal of Process Control, 2011,21(8):1183-1192.

[ 7 ] FAN L, ZHANG J, LIU Y, et al. Improved model predictive control for a proton exchange membrane fuel cell[J]. International Journal of Electrochemical Science, 2012,7(9):8734-8744.

[ 8 ] ZHANG X C, HALME A, Modelling of a microbial fuel cell process[J]. Biotechnology Letters, 1995,17(8):809-814.

[ 9 ] TORRES C. Improving microbial fuel cells[J]. Membrane Technology, 2012 (8):8-9.

[10] PICIOREANU C, HEAD I M, KATURI K P, et al. A computational model for biofilm-based microbial fuel cells[J]. Water Research, 2007,41(13):2921-2940.

[11] O’HAYRE R,CHA S W, COLELLA W, et al. Fuel cell fundamentals[M]. New York: John Wiley & Sons, 2005:228-275.

【责任编辑: 胡天慧】

Constant Voltage Control of a MFC Fuel Cell

YanMinxiu,LuZhenfang,ShiXiaolin

(Information Engineering Institute, Shenyang University of Chemical Technology, Shenyang 110142, China)

Aiming at the nonlinear and multivariable characteristics of MFC, the fuzzy-PID combination control method is used to study the constant voltage control of MFC. Using two-chamber MFC as the model, the simulation model is established and the fuzzy-PID is designed to guarantee the constant voltage output of MFC. The proposed control approaches are applied to simulation. The results show that the fuzzy-PID has a good control effect and strong robustness so that it guarantees the system good running status in the whole status space.

microbial fuel cell; modeling; fuzzy-PID; constant voltage

2015-03-29

国家科技支撑计划项目(2012BAF09B01); 辽宁省教育厅项目(LZ2016006)

颜闽秀(1972-),女,福建仙游人,沈阳化工大学副教授,博士.

2095-5456(2017)02-0091-04

TK 6; TM 911.4; TP 273

A